Python數(shù)據(jù)挖掘入門(mén)與實(shí)踐（第2版）

第 1 章 數(shù)據(jù)挖掘入門(mén) 1
1．1 什么是數(shù)據(jù)挖掘 1
1．2 使用 Python 和 Jupyter Notebook 3
1．2．1 安裝 Python 3
1．2．2 安裝 Jupyter Notebook 4
1．2．3 安裝 scikit-learn 5
1．3 親和性分析的簡(jiǎn)單示例 6
1．4 商品推薦 6
1．4．1 用NumPy 加載數(shù)據(jù)集 7
1．4．2 實(shí)現(xiàn)規(guī)則的簡(jiǎn)單排序 9
1．4．3 挑選最佳規(guī)則 11
1．5 分類(lèi)的簡(jiǎn)單示例 13
1．6 什么是分類(lèi) 14
1．6．1 準(zhǔn)備數(shù)據(jù)集 14
1．6．2 實(shí)現(xiàn) OneR 算法 15
1．6．3 測(cè)試算法功能 17
1．7 本章小結(jié) 19
第 2 章 用 scikit-learn 估計(jì)器 解決分類(lèi)問(wèn)題 20
2．1 scikit-learn 估計(jì)器 20
2．1．1 最近鄰算法 21
2．1．2 距離度量 22
2．1．3 加載數(shù)據(jù)集 24
2．1．4 形成標(biāo)準(zhǔn)的工作流程 25
2．1．5 運(yùn)行算法 26
2．1．6 設(shè)置參數(shù) 27
2．2 預(yù)處理 29
2．2．1 標(biāo)準(zhǔn)預(yù)處理 30
2．2．2 組裝成型 31
2．3 流水線 31
2．4 本章小結(jié) 32
第 3 章 用決策樹(shù)預(yù)測(cè)獲勝球隊(duì) 34
3．1 加載數(shù)據(jù)集34
3．1．1 收集數(shù)據(jù)35
3．1．2 用 pandas 加載數(shù)據(jù)集 35
3．1．3 清洗數(shù)據(jù)集 36
3．1．4 提取新特征 37
3．2 決策樹(shù) 39
3．2．1 決策樹(shù)的參數(shù) 40
3．2．2 決策樹(shù)的使用 41
3．3 體育賽事結(jié)果預(yù)測(cè) 42
3．4 隨機(jī)森林 45
3．4．1 集成學(xué)習(xí)原理 46
3．4．2 設(shè)置隨機(jī)森林的參數(shù) 46
3．4．3 應(yīng)用隨機(jī)森林 47
3．4．4 創(chuàng)建特征 48
3．5 本章小結(jié) 49
第 4 章 用親和性分析推薦電影 50
4．1 親和性分析 50
4．1．1 親和性分析算法 51
4．1．2 總體方法 52
4．2 電影推薦問(wèn)題 52
4．3 Apriori 算法的原理與實(shí)現(xiàn) 54
4．3．1 Apriori 算法的基本思路 56
4．3．2 實(shí)現(xiàn) Apriori 算法 57
4．3．3 提取關(guān)聯(lián)規(guī)則 59
4．3．4 評(píng)估關(guān)聯(lián)規(guī)則 62
4．4 本章小結(jié) 64
第 5 章 特征與 scikit-learn 轉(zhuǎn)換器 65
5．1 特征提取 65
5．1．1 用模型表述現(xiàn)實(shí) 66
5．1．2 常見(jiàn)的特征模式 68
5．1．3 創(chuàng)建好的特征 71
5．2 特征的選取 71
5．3 特征創(chuàng)建 76
5．4 主成分分析 78
5．5 創(chuàng)建自己的轉(zhuǎn)換器 80
5．5．1 轉(zhuǎn)換器 API 81
5．5．2 實(shí)現(xiàn)轉(zhuǎn)換器 81
5．6 單元測(cè)試 82
5．7 組裝成型 83
5．8 本章小結(jié) 84
第 6 章 用樸素貝葉斯算法探索社交
媒體 85
6．1 消歧 85
6．2 從社交媒體下載數(shù)據(jù) 87
6．2．1 加載數(shù)據(jù)集并分類(lèi) 89
6．2．2 創(chuàng)建可重現(xiàn)的 Twitter 數(shù)據(jù)集 92
6．3 文本轉(zhuǎn)換器 95
6．3．1 詞袋模型 95
6．3．2 n 元語(yǔ)法特征 96
6．3．3 其他文本特征 97
6．4 樸素貝葉斯 98
6．4．1 理解貝葉斯定理 98
6．4．2 樸素貝葉斯算法 99
6．4．3 原理展示 100
6．5 樸素貝葉斯的應(yīng)用 101
6．5．1 提取單詞計(jì)數(shù) 102
6．5．2 把字典轉(zhuǎn)換成矩陣 103
6．5．3 組裝成型 103
6．5．4 用 F1-score 評(píng)估算法 104
6．6 從模型中找出有用的特征 105
6．7 本章小結(jié) 107
第 7 章 用圖挖掘?qū)崿F(xiàn)推薦關(guān)注 109
7．1 加載數(shù)據(jù)集 109
7．2 從 Twitter 獲取關(guān)注者信息 113
7．3 創(chuàng)建圖 116
7．4 尋找子圖 122
7．4．1 連通分量 122
7．4．2 優(yōu)化準(zhǔn)則 125
7．5 本章小結(jié) 127
第 8 章 用神經(jīng)網(wǎng)絡(luò)識(shí)別驗(yàn)證碼 129
8．1 人工神經(jīng)網(wǎng)絡(luò) 130
8．2 創(chuàng)建數(shù)據(jù)集 132
8．2．1 繪制簡(jiǎn)單的驗(yàn)證碼 133
8．2．2 按字母分割圖像 135
8．2．3 創(chuàng)建訓(xùn)練數(shù)據(jù)集 137
8．3 訓(xùn)練與分類(lèi) 139
8．4 預(yù)測(cè)單詞 143
8．4．1 用詞典提升準(zhǔn)確率 146
8．4．2 單詞相似度的排名機(jī)制 146
8．4．3 組裝成型 147
8．5 本章小結(jié) 148
第 9 章 作者歸屬問(wèn)題 149
9．1 文檔的作者歸屬 149
9．1．1 應(yīng)用與場(chǎng)景 150
9．1．2 作者歸屬 151
9．2 獲取數(shù)據(jù) 152
9．3 功能詞的使用 155
9．3．1 統(tǒng)計(jì)功能詞 156
9．3．2 用功能詞分類(lèi) 158
9．4 支持向量機(jī) 159
9．4．1 用支持向量機(jī)分類(lèi) 160
9．4．2 核函數(shù) 160
9．5 字符 n 元語(yǔ)法 161
9．6 安然（Enron）數(shù)據(jù)集 162
9．6．1 獲取安然數(shù)據(jù)集 163
9．6．2 創(chuàng)建數(shù)據(jù)集加載函數(shù) 163
9．7 組裝成型 166
9．8 評(píng)估 166
9．9 本章小結(jié) 168
第 10 章 聚類(lèi)新聞文章 169
10．1 發(fā)現(xiàn)熱門(mén)話題 169
10．1．1 用 Web API 獲取數(shù)據(jù) 170
10．1．2 把 reddit 作為數(shù)據(jù)源 172
10．1．3 獲取數(shù)據(jù) 173
10．2 從任意網(wǎng)站提取文本 175
10．2．1 尋找任意網(wǎng)站中的新聞報(bào)道內(nèi)容 176
10．2．2 提取內(nèi)容 177
10．3 為新聞文章分組 179
10．4 k-均值算法 179
10．4．1 評(píng)估結(jié)果 182
10．4．2 從聚類(lèi)簇中提取話題信息 184
10．4．3 把聚類(lèi)算法作為轉(zhuǎn)換器 185
10．5 聚類(lèi)集成 185
10．5．1 證據(jù)積累方法 185
10．5．2 工作原理 188
10．5．3 算法實(shí)現(xiàn) 190
10．6 在線學(xué)習(xí) 191
10．7 本章小結(jié) 194
第 11 章 用深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖像中的對(duì)象檢測(cè) 195
11．1 對(duì)象分類(lèi) 195
11．2 應(yīng)用場(chǎng)景 197
11．3 深度神經(jīng)網(wǎng)絡(luò) 199
11．3．1 直觀感受 199
11．3．2 實(shí)現(xiàn)深度神經(jīng)網(wǎng)絡(luò) 200
11．4 TensorFlow 簡(jiǎn)介 201
11．5 使用 Keras 204
11．6 GPU 優(yōu)化 210
11．6．1 適用 GPU 的計(jì)算場(chǎng)景 211
11．6．2 在 GPU 上運(yùn)行代碼 212
11．6．3 設(shè)置環(huán)境 213
11．7 應(yīng)用 214
11．7．1 獲取數(shù)據(jù) 214
11．7．2 創(chuàng)建神經(jīng)網(wǎng)絡(luò) 215
11．7．3 組裝成型 216
11．8 本章小結(jié) 217
第 12 章 大數(shù)據(jù)處理 219
12．1 大數(shù)據(jù) 219
12．2 MapReduce 222
12．2．1 直觀感受 223
12．2．2 Hadoop MapReduce 226
12．3 應(yīng)用 MapReduce 227
12．4 樸素貝葉斯預(yù)測(cè) 229
12．5 提取博客文章 229
12．6 訓(xùn)練樸素貝葉斯 231
12．7 組裝成型 235
12．8 在亞馬遜 EMR 基礎(chǔ)設(shè)施上訓(xùn)練 239
12．9 本章小結(jié) 241
附錄 A 下一步工作 242
A．1 數(shù)據(jù)挖掘入門(mén) 242
A．1．1 scikit-learn 教程 242
A．1．2 擴(kuò)展 Jupyter Notebook 242
A．1．3 更多數(shù)據(jù)集 243
A．1．4 其他評(píng)估指標(biāo) 243
A．1．5 更多應(yīng)用思路 243
A．2 用 scikit-learn 估計(jì)器解決分類(lèi)問(wèn)題 243
A．2．1 最近鄰算法的伸縮性 244
A．2．2 更復(fù)雜的流水線 244
A．2．3 比較分類(lèi)器 244
A．2．4 自動(dòng)學(xué)習(xí) 244
A．3 用決策樹(shù)預(yù)測(cè)獲勝球隊(duì) 245
A．3．1 更復(fù)雜的特征 245
A．3．2 Dask 246
A．3．3 研究 246
A．4 用親和性分析推薦電影 246
A．4．1 新數(shù)據(jù)集 246
A．4．2 等價(jià)類(lèi)變換算法 246
A．4．3 協(xié)同過(guò)濾 247
A．5 特征與 scikit-learn 轉(zhuǎn)換器 247
A．5．1 增加噪聲 247
A．5．2 Vowpal Wabbit 247
A．5．3 word2vec 247
A．6 用樸素貝葉斯算法探索社交媒體 247
A．6．1 垃圾信息檢測(cè) 248
A．6．2 自然語(yǔ)言處理與詞性標(biāo)注 248
A．7 用圖挖掘?qū)崿F(xiàn)推薦關(guān)注 248
A．7．1 更復(fù)雜的算法 248
A．7．2 NetworkX 248
A．8 用神經(jīng)網(wǎng)絡(luò)識(shí)別驗(yàn)證碼 249
A．8．1 更好（更壞？）的驗(yàn)證碼 249
A．8．2 深度神經(jīng)網(wǎng)絡(luò) 249
A．8．3 強(qiáng)化學(xué)習(xí) 249
A．9 作者歸屬問(wèn)題 249
A．9．1 增大樣本 250
A．9．2 博客數(shù)據(jù)集 250
A．9．3 局部 n 元語(yǔ)法 250
A．10 聚類(lèi)新聞文章 250
A．10．1 聚類(lèi)的評(píng)估 250
A．10．2 時(shí)域分析 251
A．10．3 實(shí)時(shí)聚類(lèi) 251
A．11 用深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖像中的對(duì)象檢測(cè) 251
A．11．1 Mahotas 251
A．11．2 Magenta 251
A．12 大數(shù)據(jù)處理 252
A．12．1 Hadoop 課程 252
A．12．2 Pydoop 252
A．12．3 推薦引擎 252
A．12．4 W．I．L．L 252
A．13 更多資源 253
A．13．1 Kaggle 競(jìng)賽 253
A．13．2 Coursera 253